5G无线电信和AI的融合正在创造一个新时代，这是超快、低延迟网络与机器学习和决策系统协同工作的时代，这使智能更接近数据生成的位置：在边缘设备、传感器和本地服务器上，而不是仅仅依赖集中的云基础设施。

随着企业继续以闪电般的速度部署AI，AI和5G融合的用例、好处和挑战将继续以难以预测的方式快速出现和转变。Verizon Business公司首席产品官Scott Lawrence说：“从生成式AI到代理AI、从大型语言模型到推理的转变来看，我们仍然处于早期阶段。”

Lawrence说，这种转变将导致各种设备上的分布式计算能力增加。

AI和5G如何相互受益

5G带来更快的连接，延迟更低，同时能够支持更多设备，以实现关键系统的快速响应。而AI增加的功能包括解释大量数据、检测模式、做出预测、调整参数甚至无需人工干预即可实现响应自动化。

这两种技术共同使企业能够将智能推向决策点。所有这些优势的结合允许实时交互和决策，能够承担更多数据密集型工作负载，减少传输延迟，提高可靠性，通常还有更好的隐私。

尽管大多数专家指出，边缘应用程序最终是AI和5G整合的最佳位置，但有些专家表示，目前发生的大多数操作仍在数据中心层面。市场研究公司Mobile Experts的创始人兼首席执行官Joe Madden说：“我们看到AI和5G仍在数据中心集成。你花费数十亿美元，在集中位置构建了Nvidia服务器，并进行大型建模，这将需要投入大量资金。”

企业用例

在制造业、医疗保健、物流和电信等行业，企业已经在部署5G网络、生成式AI和代理AI、机器学习和边缘基础设施的组合。这些项目不仅仅是实验性的；很多公司已经看到真正的收益，在生产力、安全性、成本节约和新服务等方面。

下面让我们看看具体用例：

制造业

最强大的企业例子之一来自 Hitachi Astemo在肯塔基州的工厂，其中日立、爱立信和AWS在那里部署了一个私有5G无线网络，以及边缘到云视频分析。该设置使计算机视觉模型能够在组装过程中更早地检测到缺陷，同时检查数十个组件，而不是一次检查一个，从而提高产品质量，减少浪费，并加速跨多个工厂的反馈回路。

医疗保健

在医疗领域，5G和AI通过高清视频实现远程小组咨询和快速共享医疗图像数据。此外，医院环境中的物流机器人正被用来使用5G连接来协调路径，避免障碍物并确保实时操作，以自主移动药物或用品。

物流和仓储

韩国CJ Logistics等公司在仓库内部署专有5G网络，这样手持设备、传感器、自动引导车辆或移动机器人就可以持续工作，没有盲区或交接问题。通过使用AI对机器人和资产进行预测性维护、室内位置跟踪和自动化流程的精确协调，这些仓库实现显著的效率提升。

电信和网络运营商

电信运营商正在将AI与5G-Advanced一起使用，这可提高5G的延迟、可靠性和能源效率，同时增加AI功能，来构建更可编程和更适应的网络。例如，企业提供基于网络即服务或服务级别协议的切片，其中AI帮助动态分配资源，调整路由或波束形成，并强制执行延迟敏感用例的质量。边缘计算内置在网络中，用于本地运行AI推理，使增强现实（AR）、工业自动化和视频分析等应用程序能够以非常低的延迟运行。

智能城市的综合交通和能源管理

5G和AI的一个值得注意的用例是在韩国仁川，Motov在出租车的车顶设备上部署了AI，使用摄像头、麦克风和空气质量传感器来捕捉环境和道路状况。该设备对数据进行过滤和匿名化，然后使用5G将其发送到边缘计算基础设施。该系统可以检测交通危险，监控道路状况，跟踪行人安全并发送警报，同时帮助城市当局实时监控风险和环境参数。

无线传感

5G和AI的整合正在产生一种新的无线传感方法，可以同时进行通信和环境传感，这个概念被称为集成传感和通信。Origin AI公司创始人兼首席技术官Ray Liu说：“无线传感：这就是5G的重要性。我们可以获取你的步态模式，即走路方式。我们可以监控你；我们可以监控睡眠；我们可以保护你的家。我们可以了解家里是否有人。”

5G和AI的商业效益

整合5G和AI使企业能够转变运营方式，通过结合快速、可靠的连接与可以感知、预测和行动的智能。由于5G极大地提高带宽，降低延迟，并支持更多连接的设备，企业可以此前不可行的方式提高响应性、效率、安全性和客户体验（CX），从而产生新的业务效益和节约成本。商业效益还包括以下内容：

• 实时决策。5G实现的延迟减少使AI系统能够在边缘设备或边缘服务器上本地处理传感器、视频和遥测数据，并立即做出响应。例如，如果检测到安全隐患，他们可以停止机器，或根据实时反馈调整机器人运动。
• 大规模的设备和数据扩展。与旧的无线标准相比，5G支持更高的设备密度和更高的吞吐量，使企业能够部署大型传感器、相机、机器人和物联网设备网络，并在不拥堵网络的情况下将其数据输入到AI驱动的分析中。
• 自动化和运营效率。凭借高带宽链路和可靠的低延迟，曾经需要人工监督的任务都可以实现自动化。AI模型可以不断调整资源分配，预测维护需求，并检测异常。5G可让此类系统在广阔的区域中保持一致。
• 增强的客户体验和新的收入来源。更快的连接和更创新的分析可以实现更多的互动和个性化服务，例如增强现实和虚拟现实体验、改进的面向客户的应用程序和虚拟助手，以及新的商业模式，例如基于边缘的服务和通过网络切片启用的高级服务层。
• 降低成本和更好的资源利用。AI可以优化5G基础设施本身，预测需要维护的地方，管理基站的电力使用，优化频谱使用和波束形成。结合5G的高效通信，这可降低运营成本和能源消耗。
• 提高弹性、可靠性和安全性。由于支持AI的监控和故障检测可以及早发现问题，并且5G确保可靠的通信，系统可以保持正常运行时间，避免故障级联，并提高安全性。对于工业或关键基础设施来说，这种收益可能是巨大的。此外，当AI可以快速识别威胁，并且5G支持一致和安全的连接时，安全性也会得到加强。

5G和AI的挑战和考虑因素

然而，整合5G网络与AI系统以实现上述好处并不容易。构建实时智能系统不仅意味着要解决硬件、延迟和带宽的技术限制，还要解决安全、成本、运营和治理问题。

这方面的挑战包括：

• 基础设施和部署成本。构建5G和AI所需的物理和计算基础设施（包括小型蜂窝、光纤回发和边缘计算节点）需要大量的前期投资。此外，很多企业没有部署分布式边缘架构的内部经验，这意味着可能会出现延迟、预算超支和低效设计。
• 延迟一致性和边缘准备。虽然5G承诺低延迟，但在实践中，边缘计算节点的部署、本地处理、优化路由和资源分配都必须保持一致，以保持一致的低延迟。如果数据必须传输长距离或边缘节点超载，延迟优势可能会受到影响。很多企业缺乏所需的架构、工具和操作，而无法充分利用边缘计算。
• 模型和资源限制。AI模型，特别是大型或复杂的模型，可能需要调整、量化或简化才能在边缘设备上运行。边缘硬件的内存、计算能力、能耗和热限制施加了实际限制，这往往导致AI的准确性和性能与在边缘运行的资源成本之间存在权衡。
• 安全、隐私和攻击表面扩展。分散处理、增加端点数量以及将计算功率分配给很多边缘设备增加了潜在的漏洞。同时，确保跨设备、网络切片和各种硬件的数据保密性、完整性和保护更加复杂。围绕数据的监管和合规约束（特别是个人数据和敏感数据）增加更多的复杂性。
• 互操作性、标准和碎片化。因为涉及很多供应商、硬件类型、协议和框架，确保一切协同工作并非易事。某些地区缺乏成熟的通用标准，这带来供应商锁定或组件不兼容的风险。
• 技能、操作复杂性和变更管理。企业通常缺乏在5G网络、边缘计算、AI模型部署和安全方面具有综合专业知识的员工。此外，运行分布式系统带来新的挑战—在监控、维护、版本管理和容错方面。随着边缘设备和传感器的扩散，设备计数扩展、管理数据流、一致性、延迟和成本将成为更大的问题。

5G和AI的未来

5G和AI的整合将在未来几年从根本上重新定义技术格局。随着5G网络越来越普及，它们将提供必要的高速、低延迟连接，以支持先进的AI应用程序，并加速智能城市、自动驾驶汽车和工业自动化等创新的发展。

展望未来，5G向5G-Advanced的演变和最终向6G的过渡（预计在2030年左右）将进一步提高AI的能力，提供更高的性能，并实现更复杂的AI应用。6G时代旨在将AI更深入地集成到网络中，从而有可能实现更快、大幅改进的AI驱动决策和增强的隐私功能。